發(fā)布時間：2020-11-01 09:18

　　 X射線計算機斷層(Computed Tomography,CT)成像技術自提出以來就廣泛應用于臨床診斷。與其他放射學診斷方式相比,CT技術具有分辨率高、價格便宜等優(yōu)點,但過量的X射線照射可能會增加癌癥、遺傳病以及白血病的發(fā)病率,且輻射的劑量會在病人體內累積。所以,控制輻射劑量以獲得低劑量CT(LDCT)圖像具有重要意義。降低輻射劑量的方式有許多種,其中降低管電流是最簡單有效的,所以也最常用。但管電流的降低會在投影數(shù)據(jù)中引入量子噪聲,導致重建的CT圖像中產生斑點噪聲和條形偽影,嚴重干擾醫(yī)生對病癥的診斷,所以提高低劑量掃描條件下重建的CT圖像質量具有重要的臨床意義。為了改善低劑量CT圖像的質量,本文從稀疏表示理論、非局部均值理論、形態(tài)分量分析和偏微分方程方法等角度進行深入研究,提出了三種低劑量CT圖像域后處理算法。主要包含的內容如下:(1)為了解決非局部中心稀疏表示(Nonlocally Centralized Sparse Representation,NCSR)算法處理低劑量CT圖像會殘留條形偽影,不能很好地保護細節(jié)信息,且具有較高的計算復雜度等問題,本文提出了一種基于固定主成分分析(Principal Component Analysis,PCA)子字典、NCSR和相對總變分(Relative Total Variation,RTV)的低劑量CT圖像后處理算法,稱為SNCSR模型。在SNCSR模型中,為了學習更準確的子字典,低劑量CT圖像由改進的總變分(Improved Total Variation,ITV)模型預處理,ITV正則項的加權系數(shù)是由截尾正則化的局部測度構造的。另外,為了更稀疏地表示恢復的圖像,用圖像塊的梯度協(xié)方差矩陣的最大特征值區(qū)分結構信息和背景區(qū)域。此外,SNCSR模型在迭代開始之前僅學習一次固定子字典,不像NCSR模型在每一次外循環(huán)中都學習子字典,顯著縮短了算法的運行時間。最后,用RTV模型進行濾波,進一步去除恢復圖像中殘留的條形偽影。在仿真骨盆體模、實際胸腔體模和臨床腹部數(shù)據(jù)上進行的實驗表明,與其他幾種對比去噪算法相比,所提出的SNCSR模型具有較低的計算復雜度,可以更有效地提高低劑量CT圖像質量。(2)提出一種基于分離(Separation-Based,SEPB)的算法用于抑制低劑量CT圖像中的斑點噪聲和條形偽影。其中,通過圖像分解算法RC將低劑量CT圖像分解為殘余斑點噪聲的結構圖像和殘余結構細節(jié)的條形偽影圖像。通過K-奇異值分解(K-SVD)算法對結構圖像進行濾波去除殘余的斑點噪聲,并且通過形態(tài)分量分析(Morphological Component Analysis,MCA)理論提取條形偽影圖像中的結構細節(jié)。將提取的結構細節(jié)加到濾波的結構圖像中得到低劑量CT結果圖像。同時,在提取結構細節(jié)的過程中,用局部直覺模糊熵校正從條形偽影圖像中學習的條形偽影字典,即去除其中的結構原子。在仿真改進Shepp_Logan體模數(shù)據(jù)和仿真骨盆體模數(shù)據(jù)上進行實驗驗證所提SEPB算法的有效性,實驗結果表明,SEPB算法在主觀視覺效果和客觀評價指標方面都具有較好的表現(xiàn)。(3)提出了一個新型的總變分(Novel Total Variation,NTV)模型。因為細節(jié)區(qū)域的標準差和灰度概率大于噪聲背景區(qū)域,邊緣的梯度模大于噪聲背景區(qū)域,因此NTV模型正則項的加權系數(shù)由標準差、灰度概率和梯度模構成,使模型自適應地平滑低劑量CT圖像。此外,為了有效地保護邊緣和細節(jié),NTV模型的保真項由三維塊匹配(Block-Matching 3D,BM3D)濾波模型構造,因為它能較好地保持邊緣和細節(jié)。在仿真改進Shepp_Logan體模數(shù)據(jù)、仿真骨盆體模數(shù)據(jù)和實際胸腔體模數(shù)據(jù)上進行實驗,與其他幾種對比算法相比,主觀視覺效果和客觀評價指標均表明NTV模型能更有效地消除斑點噪聲和條形偽影,并保護邊緣和細節(jié)。
【學位單位】：中北大學
【學位級別】：博士
【學位年份】：2019
【中圖分類】：R814;TP391.41
【部分圖文】：

探測器圖 2.1 CT 成像系統(tǒng)定的能量和穿透力，當用 X 射線掃描物體時，物體用，使得 X 射線的能量發(fā)生衰減。不同物體對 X 射原子序數(shù)和密度有關。CT 成像中不考慮物體對 X 射收作用造成的衰減。 射線穿過一分布均勻的物體，X 射線強度的衰減服從射前強度為0I ，X 射線在均勻物體中行進的距離為 衰減系數(shù)，則經過物體衰減后的 X 射線強度I 可表示0xI I e 越大，I 越小，表明物體對 X 射線的衰減作用越大

掃描斷層中掃描路徑的極坐標方減系數(shù)為 ( x , y)的物體，得 ) ( , ) ( cos y dl x y x .9)是 Radon 變換。為 Radon 反變換：2 2 11 cos( )yx y tg x 投影數(shù)據(jù) p ( r , )求出不同的

圖2.6(a)-(b)是固定 22000，分別設置 =100if 和 =200if 的改進 Shepp_Logan 體模投影圖，圖 2.6(a1)-(b1)是相應的通過 FBP 重建的低劑量 CT 圖像；圖 2.7(a)-(b)是固定 62000，分別設置 =100if 和 =200if 的骨盆體模投影圖，圖 2.7(a1)-(b1)是相應的通過 FBP 重建的低劑量 CT 圖像。2.5圖像質量評價方法評價算法性能的手段一般分為主觀視覺觀察和客觀評價指標，本文研究的低劑量CT 圖像后處理算法也是借助這兩種方法評價的。主觀視覺觀察，是以高劑量 CT 圖像
【相似文獻】

相關期刊論文 前10條

1 賈麗娟;;關于圖像分辨率的教學思考[J];印刷世界;2011年05期

2 丁曉蓮;周激流;李曉華;吳朋;;人臉識別率與圖像分辨率關系的比較分析[J];計算機工程;2009年11期

3 張秀屏，劉錫國，叢玉良;提高彩電圖像分辨率的研討[J];光學精密工程;1994年02期

4 衛(wèi)紅;為DVD機配哪種彩電[J];家庭科技;2000年07期

5 ;斯波特5衛(wèi)星商業(yè)圖像分辨率將達2.5m[J];國際太空;1997年05期

6 卜麗靜;張銘娟;陳方惠;許崢輝;趙曉宇;;利用地面靶標的超分辨率重建圖像分辨率評價[J];測繪科學;2019年12期

7 宋其華;郭根生;;解析計算機圖像分辨率[J];中國電化教育;2003年11期

8 谷梗;;數(shù)字圖像分辨率定義與其計量方法——對“數(shù)字電影技術術語普及讀本”有關條目的商榷意見[J];現(xiàn)代電影技術;2013年07期

9 ;教你詳細了解各種分辨率[J];計算機與網絡;2011年24期

10 謝美華;王正明;;圖像分辨率增強的偏微分方程方法[J];遙感學報;2005年06期

相關博士學位論文 前10條

1 樊春玲;數(shù)據(jù)驅動的圖像感知和質量評價方法[D];中國科學院大學(中國科學院深圳先進技術研究院);2019年

2 陳文斌;低劑量CT圖像偽影消除及細節(jié)保護算法研究[D];中北大學;2019年

3 卞春江;光學遙感圖像有效區(qū)域在軌實時檢測與壓縮技術研究[D];哈爾濱工業(yè)大學;2018年

4 牛仁杰;星載ATP圖像處理平臺關鍵技術研究[D];中國科學院大學(中國科學院光電技術研究所);2018年

5 穆楠;夜間場景下顯著目標檢測方法研究[D];武漢科技大學;2019年

6 張士杰;超像素級圖像組協(xié)同關聯(lián)性分析與研究[D];天津大學;2017年

7 王文勝;寬幅光學遙感圖像艦船飛機目標檢測識別技術研究[D];中國科學院大學(中國科學院長春光學精密機械與物理研究所);2018年

8 孫琨;圖像匹配與場景三維重建方法研究[D];華中科技大學;2017年

9 霍麗娜;基于視覺感知與注意機制的圖像顯著目標檢測[D];西安電子科技大學;2016年

10 王體春;基于保真性準則的圖像智能增強和圖像質量評價的理論和方法[D];重慶醫(yī)科大學;2018年

相關碩士學位論文 前10條

1 孫志琳;基于深度學習的行人再識別研究[D];山西大學;2019年

2 鄧芮;基于視覺感知和數(shù)據(jù)緊湊表達的圖像美感質量評估方法[D];華南理工大學;2019年

3 唐義嫄;離散小波域的圖像混沌加密和隱藏方法研究[D];重慶郵電大學;2018年

4 林思哲;基于自底向上的視覺顯著性檢測模型研究[D];電子科技大學;2019年

5 辛佳佳;基于DSP的同時偏振圖像去霧系統(tǒng)設計[D];長春理工大學;2019年

6 張大偉;基于GAN的人臉圖像補全算法研究[D];長安大學;2019年

7 杜一凡;基于深度學習的全心肌分割算法研究[D];北京交通大學;2019年

8 韋永來;基于攝像機網絡拓撲結構的行人再識別研究[D];合肥工業(yè)大學;2019年

9 閆峰;基于優(yōu)化極限學習機算法對焊點的質量識別[D];云南大學;2018年

10 朱冠菲;基于MR數(shù)據(jù)生成偽CT數(shù)據(jù)的研究[D];中國計量大學;2018年

本文編號：2865329